Financiamento circular: a aposta de US$ 110 bilhões da Nvidia lembra a bolha das telecomunicações?
(tomtunguz.com)- À medida que a Nvidia injeta grandes somas em infraestrutura de IA, com investimentos de US$ 110 bilhões em empresas como a OpenAI, cresce o debate sobre o retorno de uma estrutura circular de vendor financing semelhante à da antiga bolha das telecomunicações
- Em 2025, as principais empresas de TI dos EUA projetam investir US$ 300 a 400 bilhões em infraestrutura de IA, ampliando riscos como concentração da base de clientes e empréstimos garantidos por GPUs
- Ao contrário do histórico de fracasso da Lucent, a Nvidia se diferencia em fluxo de caixa, qualidade de crédito dos clientes e transparência contábil, mas concentração de clientes, avaliação de ativos e expansão do silício customizado seguem como pontos de atenção
- Destaca-se a necessidade de monitoramento contínuo para avaliar se a demanda por IA é uma demanda real, se vai se tornar infraestrutura essencial como a nuvem, ou se não passa de uma bolha
- Assim como no caso da fraude contábil da Lucent, é preciso observar com cuidado valor dos ativos, modelo de receita e risco de endividamento da Nvidia e de todo o setor para evitar a repetição de riscos estruturais do passado
Introdução: Nvidia, financiamento circular e a sombra da bolha das telecomunicações
- Em 2025, a Nvidia iniciou US$ 110 bilhões em vendor financing para empresas como a OpenAI, destacando semelhanças com a grande estrutura de financiamento circular da era da bolha das telecomunicações
- As big techs dos EUA anunciaram para 2025 um investimento recorde de US$ 300 a 400 bilhões em infraestrutura de IA
- Esse volume supera com folga os recordes anteriores de investimento corporativo em infraestrutura em um único ano
A estratégia da Lucent: lições do financiamento circular
- Em 1999, a Lucent Technologies registrou US$ 37,9 bilhões em receita no pico da bolha das pontocom; apenas três anos depois, esse número despencou 69%, levando a empresa ao caminho da fusão com a Alcatel
- Na época, fabricantes de equipamentos como Lucent, Nortel e Cisco ofereciam bilhões de dólares em financiamento de fornecedores para que operadoras de telecomunicações, seus clientes, comprassem equipamentos
- Lucent: US$ 8,1 bilhões, Nortel: US$ 3,1 bilhões, Cisco: US$ 2,4 bilhões em compromissos de empréstimo
- No início, a estratégia parecia vantajosa para todos, mas, com a saturação do mercado e o aperto de liquidez, a maioria das empresas clientes (47 CLECs) faliu, entre 33% e 80% dos empréstimos não foram recuperados e o valor dos equipamentos despencou, com resultados devastadores
- Na prática, as redes de fibra óptica utilizavam apenas 0,002% da capacidade disponível, mostrando que o investimento aconteceu muito antes da demanda real
A estratégia da Nvidia: uma estrutura de financiamento circular diferente
- Em 2025, a Nvidia opera com US$ 110 bilhões em investimentos diretos (85% da receita) e mais de US$ 15 bilhões em empréstimos garantidos por GPU
- Com a OpenAI, há um compromisso específico de US$ 100 bilhões (10 tranches parceladas, pagamentos por etapa de construção da infraestrutura, com entrada efetiva de recursos na forma de leasing de GPUs)
- Também há investimentos adicionais e expansão do mercado de empréstimos garantidos por GPU para CoreWeave, NVentures e outros
- No caso da CoreWeave, a empresa possui US$ 10,45 bilhões em dívida garantida por GPU, e outras startups de IA, como a Lambda Labs, também usam GPUs como garantia de empréstimos
Comparação numérica: Lucent vs Nvidia (em dólares de 2024)
| Item | Lucent (2000) | Nvidia (2025) |
|---|---|---|
| Vendor financing | US$ 15 bilhões | US$ 110 bilhões |
| Fluxo de caixa operacional | US$ 300 milhões | US$ 15,4 bilhões (2º trimestre fiscal do ano fiscal de 2022) |
| Receita anual | US$ 34 bilhões | US$ 130 bilhões |
| Participação dos 2 maiores clientes | 23% | 39% |
Pontos de atenção: uma nova estrutura de risco de mercado
1. Base de clientes de IA mais concentrada
- Entre 46% da receita da Nvidia está concentrada entre seus 2 a 4 maiores clientes, o dobro da concentração observada na Lucent
- 88% da receita vem de data centers
2. Expansão dos empréstimos garantidos por GPU e risco de estoque
- GPUs estão sendo usadas em empréstimos com juros elevados de 14%, assumindo preservação de valor por 4 a 6 anos (cerca de 3 vezes o nível de títulos corporativos investment grade)
- Na prática, a vida útil real de uso de GPUs parece ficar entre 1 e 3 anos (segundo projetistas do Google e casos reais da Meta)
| Empresa | Antes de 2020 | 2020 | 2022~2023 | 2024~2025 | Variação |
|---|---|---|---|---|---|
| Amazon | 3 anos | 4→5 anos | 5 anos | 6→5 anos | primeira redução |
| Microsoft | cerca de 3 anos | 4 anos | 6 anos | 6 anos | +100% |
| cerca de 3 anos | 4 anos | 6 anos | 6 anos | +100% | |
| Meta | cerca de 3 anos | 4 anos | 4,5→5 anos | 5,5 anos | +83% |
| CoreWeave | N/A | N/A | 4→6 anos | 6 anos | +50% (GPU) |
| Nebius | N/A | N/A | 4 anos | 4 anos | padrão do setor |
-
Em 2025, a Amazon voltou o período de depreciação de 6 para 5 anos, tornando-se a primeira a adotar uma prática contábil mais conservadora
-
CPUs normalmente são usadas por 5 a 10 anos, mas GPUs em data centers de IA frequentemente são substituídas em 1 a 3 anos de uso real (Meta Llama 3: taxa de falha anual de 9% → previsão de 27% de defeitos em 3 anos)
-
Grandes instituições financeiras, como a Cerno Capital, questionam se “essas políticas de depreciação refletem de fato a realidade econômica e tecnológica ou se são uma estratégia de ‘ilusão’ para desviar a atenção dos investidores”
4. Uso de estruturas SPV (sociedade de propósito específico)
-
Grandes empresas de tecnologia estão financiando a construção de data centers por meio de joint ventures com SPVs em parceria com fundos de private equity como a Apollo
- A SPV detém e opera o data center, fornecendo-o à empresa de tecnologia por meio de arrendamento de longo prazo
- A dívida da SPV não aparece contabilmente no balanço da empresa de tecnologia (off-balance sheet)
- Em geral, a estrutura é de 10% a 30% de capital e 70% a 90% de dívida
-
Essa estrutura tem vantagens como proteção de crédito e menor exposição aparente de capex, mas, se a taxa de utilização do data center cair ou o valor das GPUs despencar, as perdas atingem primeiro os detentores da camada fina de capital (equity holders)
-
Atualmente, ativos de data center já representam entre 10% e 22% das carteiras dos principais REITs, um salto em relação a ‘0’ dois anos atrás
5. Risco competitivo do silício customizado
- Está se expandindo o uso de aceleradores de IA desenvolvidos internamente, como Microsoft (Maia), Google (TPU), Amazon (Trainium/Inferentia) e Meta (MTIA)
- Se os clientes migrarem para chips próprios, o valor dos ativos garantidos por GPU de empresas como a CoreWeave pode cair, ampliando o risco do vendor financing da Nvidia
Diferenças fundamentais entre Nvidia e Lucent
- Lucent: manipulação de receita de US$ 1,1 bilhão, 10 executivos processados pela SEC, perda de confiança nas demonstrações financeiras
- Nvidia: auditoria da PwC, melhora de rating, geração de mais de US$ 50 bilhões em caixa por ano, manutenção de US$ 46,2 bilhões em caixa líquido (2024)
- Lucent: a maioria dos clientes operava com alavancagem excessiva e prejuízo
- Nvidia: os principais clientes (Microsoft, Alphabet, Amazon, Meta etc.) tinham fundamentos sólidos, com US$ 451 bilhões em fluxo de caixa operacional em 2024
- Na Lucent, o uso da infraestrutura ficou em apenas 0,002% do investimento; já na Nvidia, os principais clientes relatam escassez de infraestrutura de IA (restrição de oferta)
Indicadores a observar
- Taxa de utilização de GPU: é preciso monitorar continuamente se os GPUs nos data centers estão sendo realmente usados ou apenas estocados
- Rentabilidade da OpenAI: é necessário verificar se a construção massiva de infraestrutura está gerando retorno suficiente
- Sinais de inadimplência: é preciso observar indícios de incapacidade de pagamento no mercado de empréstimos garantidos por GPU, de US$ 15 bilhões
- Tendência de gestão de AR (Accounts Receivable): a proporção de AR está melhorando (68%→30%), mas é preciso atenção a nova deterioração
- Diversificação de clientes: acompanhar se surgem novas camadas de clientes e se a dependência de poucos grandes clientes persiste
- Questão do silício customizado: a migração dos hyperscalers para chips próprios pode ampliar a exposição da Nvidia ao risco de financiamento
- Tendência de consolidação de fornecedores: após muitos testes com alternativas no mercado, a demanda pode acabar se concentrando em alguns poucos fornecedores
- A taxa de uso real de IA nos EUA subiu rapidamente de 20% em 2023 para 40% em 2025
- Mas, segundo um estudo do MIT, 95% dos pilotos de adoção de IA não geram resultados financeiros concretos, o que também aponta problemas de integração
- Ainda assim, há sinais positivos, como salários de trabalhadores de IA dobrando e ganhos de produtividade de usuários chegando a 40%
- A OpenAI registrou US$ 4,3 bilhões em receita no primeiro semestre de 2025 e US$ 4,7 bilhões em prejuízo (metade em remuneração baseada em ações), permanecendo no vermelho
- Diferentemente do passado, os grandes clientes atuais mantêm caixa suficiente, gestão orientada a desempenho e demanda real por infraestrutura
Conclusão: os riscos estruturais do financiamento circular e o mercado de IA em 2025
- A estratégia de vendor financing em larga escala da Nvidia claramente aproveita o crescimento e a demanda tecnológica, mas embute riscos como concentração de clientes, volatilidade no valor dos ativos e adoção de silício customizado
- Como no caso da Lucent, se surgirem sobrevalorização de ativos, deterioração da dívida e queda na transparência contábil, os riscos podem se materializar rapidamente; por isso, é necessário monitorar com rigor os principais indicadores e tendências do mercado
Apêndice: a fraude contábil da Lucent e a crise do financiamento circular
- A Lucent foi investigada pela SEC em 2000 por fraude contábil (manipulação de US$ 1,15 bilhão em receita e US$ 470 milhões em lucro antes de impostos)
- ‘Channel stuffing’: envio antecipado de produtos não vendidos para distribuidores, reconhecidos integralmente como receita
- ‘Side agreement’: reconhecimento de receita apesar de acordos paralelos com direito de devolução e concessões especiais
- ‘Manipulação de provisões’: criação e reversão excessiva de provisões para perdas para reduzir a volatilidade dos resultados
- A Lucent recebeu multa de US$ 250 milhões e 10 executivos foram indiciados
- Em um caso emblemático, forneceu US$ 2 bilhões em financiamento para a WinStar; após a falência da empresa, a Lucent registrou perda de US$ 700 milhões
- Esse padrão levou ao reconhecimento de US$ 3,5 bilhões em provisões para créditos de liquidação duvidosa entre 2001 e 2002, tornando-se um caso típico em que o risco real de inadimplência finalmente veio à tona
1 comentários
Comentário do Hacker News
Tenho experiência de ter trabalhado em um pequeno ISP de bairro nos anos 90, e naquela época a Lucent estava na frente no setor de equipamentos de internet, nós usávamos o Portmaster 3 para lidar com conexões dial-up e também analisamos a tecnologia sem fio inicial da Lucent
Graças ao Telecommunications Act de 1996, as operadoras eram obrigadas a alugar sua infraestrutura para terceiros, e isso reduziu drasticamente o custo de aluguel de T1 para os ISPs (um T1 caiu de US$ 1.800 por mês em 1996 para US$ 600 em 1999), depois disso as teles processaram a FCC e, em 2003, a lei foi praticamente esvaziada
Explicação na Wikipédia sobre competitive local exchange carriers
Dependendo da região, a diferença de preço era enorme, no pequeno ISP onde eu trabalhava o T1 caiu de US$ 1.500 por mês para US$ 500, e depois o loop T1 até o cliente saía por US$ 100 por mês, enquanto gastávamos alguns milhares de dólares em um anel SONET OC12 para fazer o backhaul de toda a linha até o datacenter
A causa central de todas essas variações de preço era a obrigação legal de desagregação e revenda dos elementos de rede das ILECs
Como a maioria das CLECs também acabava usando a infraestrutura física da ILEC local, a mudança estrutural foi grande
O curioso é que, no fim dos anos 90, quando o dial-up ainda era dominante, T1 PRI de voz (US$ 250 por mês) era mais barato que T1 de dados (US$ 500 por mês), então isso foi bastante aproveitado
Mesmo depois de a lei ter sido esvaziada, as ILECs continuaram vendendo serviços de atacado e desagregados, aparentemente porque já tinham percebido que era um negócio de alta margem
Trabalhei em uma startup durante o boom das telecomunicações
Na época, empresas como a Cisco compravam startups que ainda nem tinham produto, IPO era a única saída, e os engenheiros ficavam presos a lock-up de 6 meses
Quem teve sorte conseguiu sair via IPO ou venda antes do tombo, e depois do estouro da bolha o financiamento secou e quase todas as startups morreram
Depois de anos de estagnação, novas empresas de TI começaram a surgir de novo
Dá a impressão de que só 4 anos de regulação mudaram o equilíbrio de forças entre as grandes teles e os pequenos ISPs, e isso é realmente interessante
A explicação de que uma regulação específica acendeu o pavio do desenvolvimento da internet contradiz a previsão tradicional de que sem desregulação tudo afunda
É a primeira vez que ouço a tese de que uma lei aplicada por tão pouco tempo já foi suficiente
Matar a concorrência nas telecoms e permitir monopólios foi um grande problema do sistema judiciário
A lei era clara, mas os tribunais ignoraram na prática o legislador com o argumento de que "instalar fibra é caro"
Falando de preços, linhas como T1 ou OCx ainda eram muito usadas, mas entre 1996 e 1999 o DSL apareceu e também pressionou muito os preços para baixo
Mudanças legislativas podem ter influenciado o timing da guerra de preços e da bolha das telecoms
Mas a guerra de preços em si era inevitável, e a bolha também era um fenômeno altamente provável
O investimento em infraestrutura de telecom foi uma reação à disparada insana das ações pontocom
As redes ópticas estavam usando menos de 0,002% da capacidade máxima, e ainda havia espaço para multiplicar a velocidade em até 60.000 vezes, ou seja, foi cedo demais
Não acho que veremos GPUs sobrando da mesma forma
Se for possível usar algo como "pense no codebase durante a noite e amanhã me proponha um refatoramento melhor", então o uso de GPU vai precisar ser muito maior do que é hoje
Se 1 minuto de GPU custa US$ 0,10, deixar rodando a noite inteira dá US$ 48, o que parece ter bastante valor (melhorias de código, design de carros, capa de livro, plano de negócios, qualquer tarefa)
Eu também não acho que GPU vai sobrar, mas eu penso exatamente o contrário: vai sobrar com certeza
As empresas seguem comprando a enxurrada de GPUs como se a demanda fosse infinita
Enquanto isso, a fadiga com LLM está chegando, os modelos estão ficando menores e o hardware de consumo está evoluindo
No fim, vai inevitavelmente haver muita GPU ociosa
A ideia de que melhorar código exige GPU é uma afirmação pequena
Logo a IA generativa será usada para criar filmes em ultra-alta resolução, até em HDR e 120 quadros por segundo
Esse tipo de trabalho custa entre US$ 100 e US$ 1.000 por minuto e exige uma quantidade enorme de GPU
As Forças Armadas dos EUA já planejam usar IA generativa para visualização de campo de batalha, e isso requer computação ainda mais densa do que vídeo em alta resolução
A ideia de que a IA pode “melhorar” um codebase é interessante
Ainda não vi isso acontecer na prática, então só acredito vendo
Com melhorias em algoritmos e técnicas, hardware antigo ainda pode continuar útil
A fantasia do "pensa no codebase durante a noite..." parte de uma premissa fundamentalmente errada
Os LLMs atuais não conseguem resolver sozinhos problemas substanciais de forma autônoma
Muita gente espera que um dia consigam, mas eu acho que este já é o limite de desempenho dos LLMs
A bolha atual de IA é resultado de uma superinterpretação do começo da curva em S da tecnologia
Hoje, isso ainda não é suficiente
A história das bolhas passadas serve um pouco como referência, mas não é tão significativa assim
Bolha pontocom, bolha ferroviária, cada momento é diferente
No fim, a questão é viabilidade do negócio e ROI
Mesmo com fluxo de capital saudável, se o retorno econômico não for historicamente excepcional, no fim o risco de colapso continua
Todo mundo está correndo atrás da galinha dos ovos de ouro
Quando o Bezos mencionou um plano de construir datacenters de mais de 10 GW no espaço, isso me fez pensar que o objetivo talvez não seja ROI, mas a estrutura futura de poder, isto é, construir um mundo em que os super-ricos não precisem mais da força de trabalho
Comentário relacionado no HN
Artigo sobre a fala de Bezos sobre datacenters espaciais
Acho que ficar obcecado apenas com mecanismos do passado limita demais o espaço de possibilidades do futuro
A bolha pontocom também acabou sendo só um entre muitos "caminhos possíveis"
Se olharmos sempre do mesmo jeito, podemos deixar passar a forma como a próxima bolha realmente vai se materializar
Há uma preocupação de que a diferença contábil entre Lucent e Nvidia, Microsoft, OpenAI e Google seja na verdade apenas uma evolução da "arte de mentir de forma mais sofisticada e exagerar mais do que a realidade"
Só quando a bolha estoura é que os números reais aparecem
Desta vez é diferente de novo, porque agora há moeda fiduciária e respaldo do governo
Estive no centro do colapso pontocom e do colapso das telecoms, e especialmente o das telecoms foi muito mais grave
Fibra óptica não enferruja, mas houve uma instalação excessiva gigantesca, e 10 anos depois, graças à tecnologia DWDM, usávamos de fato só 2 das 8 fibras (com muito mais comprimentos de onda do que antes)
Fico curioso sobre qual será o valor residual de uma GPU usada daqui a 10 anos e se poderá surgir algo como uma "solução estilo DWDM" também para GPUs superinvestidas
Estamos vivendo um período extremamente interessante
O maior problema da Nvidia é que sua receita não é perene, mas o mercado a avalia como se fosse receita recorrente, quando na verdade se trata de CAPEX com duração de 1 ou 2 anos
Acho simplesmente que essa estrutura não pode continuar para sempre
A ação da NVDA não está absurdamente cara, está só a 25 vezes o EPS
A receita cresce rápido, e estamos diante da transição tecnológica mais importante da história
O mercado já está precificando parcialmente uma desaceleração do crescimento
Empresas como Zoom e Peloton, que ganharam destaque na pandemia, também foram tratadas pelo mercado como se aquele futuro fosse continuar para sempre
A estrutura do mercado sempre repete esse padrão, recentemente foi igual com impressão 3D e carne alternativa
O investimento na OpenAI pode ser interpretado como hedge contra desaceleração do CAPEX
Basta a Nvidia anunciar algo que as placas de vídeo esgotam imediatamente
As margens são gigantescas, mas ainda assim eles não conseguem atender toda a demanda
No fim isso é só lógica econômica simples
Se a demanda tropeçar uma única vez, vai haver uma enxurrada de GPUs usadas no mercado e deixará de fazer sentido comprar produto novo
Quando isso acontecer, será impossível para a Nvidia manter a receita atual
Com a TSLA é a mesma coisa
O mercado acionário é basicamente um banco para ricos, embrulhado em empréstimo e crédito
Na prática é tudo bolha, mas isso é uma preocupação dos ricos
Nós, gente comum, somos só sardinhas
Quando trabalhei na "telecom das telecoms", só fomos acender a dark fiber 15 anos depois (em 2015), graças à demanda por dados móveis
A escala da sobreinstalação foi realmente absurda
Cabo de fibra sempre foi útil, mas não sei se GPU vai continuar útil por tanto tempo assim
Falo por experiência própria
A nova fibra não ficou muito mais eficiente em energia
Mas a eficiência da retroescavadeira que cava o solo também não mudou nada
Sobre a pergunta "essas placas vão durar muito tempo?", o exemplo do texto diz que, com esse nível de estresse, a vida útil pode ser de 1 a 2 anos
Em 2005, por causa das tarifas de longa distância, telecom era uma vaca leiteira, e quando até as centrais mecânicas já estavam depreciadas, o dinheiro entrava aos montes (a regulação garantia a rentabilidade)
Mas essa estrutura também não durou tanto, e em muitas regiões houve tentativa de expansão para serviços gerenciados em busca de "receita não regulada" (por exemplo, soluções como DataDog)
A natureza do negócio é essa, e otimismo irracional pode derrubar empresas a qualquer momento
O chip em si talvez não tenha vida útil longa, mas o P&D que entrou nele ainda tem valor
A questão é quanto desse valor pode ser recuperado
Acho que os datacenters de alta densidade em construção para atender hyperscalers são essencialmente semelhantes ao excesso de dark fiber
Quando vocês acenderam a fibra em 2015, provavelmente não estavam usando a mesma line card comprada em 1998
No fundo, acho que a maior questão é a incerteza sobre alcançar AGI
Hoje, 90% do investimento no topo da cadeia está concentrado na premissa de que isso será alcançado em 2 a 5 anos
Se isso não vier rápido o suficiente, há risco de o interesse dos investidores despencar
Ainda estão sustentando o entusiasmo com crescimento em benchmarks, mas eu espero que daqui a 6 a 12 meses até os novos marcos se esgotem
O próximo passo real precisa mostrar resultados concretos em desenvolvimento de software, pesquisa do câncer, robótica e afins
Com a estrutura atual, acho difícil
Acho que a AGI ainda está longe
A maior oportunidade está em áreas como direito e medicina, em que a base de conhecimento é tão vasta que as pessoas passam até pela pós-graduação para dominá-la
Especialmente em programação, o uso de LLM vai aumentar bastante
O problema é que, depois que o backlog de coisas chatas como refatoração de código for resolvido, a simples geração de código novo nunca vai sustentar uma bolha de demanda por hardware como a atual
Até os hyperscalers ainda gastam menos da metade do fluxo de caixa operacional em CAPEX para IA
Se estivessem realmente apostando em alcançar AGI, a escala seria muito maior
“O seu ceticismo atual pode ser tão infundado quanto o ceticismo de cinco anos atrás de que ‘máquinas pensantes são impossíveis’, porque os LLMs já existem hoje”
Não entendo por que as pessoas estão dando voto negativo
Basta conversar com pesquisadores de IA para ter expectativas realistas
Mas no lado dos negócios, quanto menos a pessoa entende de tecnologia, mais exagerada tende a ser a expectativa
Tem gente já cortando equipe e ajustando orçamento, planejamento e contratação com a conta de que "por US$ 20 por mês o ChatGPT vai fazer todo o trabalho"
Quando daqui a um ano ficar claro que isso não funciona tão bem, a atitude em relação à IA vai virar imediatamente para o outro lado (raiva, evasão, desconfiança de novos produtos etc.)
Se os fracassos se acumularem, o crescimento desacelera, e junto vêm nervosismo dos investidores, queda brusca das ações e compressão de valuation
O que eu não entendo é o otimismo de que a demanda por GPU para “treinamento” continuará crescendo forte como agora
Demanda por inferência eu entendo, mas já existem muitos modelos open weights excelentes, e eles rodam bem até em produtos de consumo como Apple M4 ou AMD Max APU
Nesse cenário, fico em dúvida se realmente ainda resta tanta demanda por investimento adicional em GPU
Acho que Reinforcement Learning vai ser o novo campo de batalha das GPUs
Por exemplo: mudanças como o1, o3, GPT-5, Sonnet 3.7, 4 e 4.5
Quando todo mundo puder fazer inferência com B200, os modelos podem voltar a crescer, mas no momento a maior sede por GPU está no orçamento de treinamento com RL
Ainda assim, há quem diga que o objetivo final é justamente uma competição infinita para rodar cada vez mais GPU e se aproximar um passo a mais da AGI
Imagino que arquiteturas de aprendizado contínuo sejam o próximo fator de estímulo à demanda por GPU
No fim, inferência vai para a nuvem em base compartilhada porque esse é o modelo de menor custo
A maioria dos casos B2B deve migrar para infraestrutura em datacenters como os da AWS
Casos especiais (CERN ou Apple Siri) podem usar FPGA ou ASICs de baixo consumo dedicados, mas fora isso o padrão vai ser cada vez mais "baseado em nuvem"
Na bolha pontocom, a publicidade criava um efeito circular
Os VCs colocavam dinheiro nas startups, e as startups gastavam esse dinheiro em anúncios no Yahoo e afins
A receita do Yahoo disparava, a ação subia, e isso servia de sinal de que dava para ganhar dinheiro na internet, ampliando o mercado de IPOs de outras startups
Quanto mais o dinheiro girava, mais o ciclo anúncio → receita → valor de mercado → mais investimento de VC → mais anúncios continuava
No material de referência 14, diz-se que a OpenAI usaria GPUs da Nvidia em leasing, e não por compra à vista,
então acho difícil entender por que a Nvidia chama isso de "investimento aqui"
Se é leasing, ela só vai receber aluguel; então por que chamar de investimento? Em que exatamente a Nvidia "investiu"?
A Nvidia precisa colocar dinheiro primeiro para produzir e fornecer as GPUs, e se essa alocação de ativos não puder ser liquidada corretamente no fim (por exemplo, se o cliente quebrar), isso vira um risco real
Em troca de assumir esse risco, ela espera remuneração adicional, e essa estrutura em si tem características de investimento
Não sou especialista em contabilidade, mas imagino que, quando o leasing terminar, a Nvidia ficará só com ativos depreciados de baixo valor
Ao contrário de leasing de veículos, não deve haver um mercado secundário tão grande para GPUs usadas
Ou seja, a Nvidia está basicamente fornecendo GPUs em "parcelas" em vez de receber tudo adiantado
Fico curioso se o total das parcelas chega perto do custo do equipamento